Python代码的R脚本

我开始深入研究Python，在将一些R脚本转换为Python时遇到了困难。我在R中定义了一个函数：

Shft_Rw <- function(x) { for (row in 1:nrow(x))
{
  new_row = x[row , c(which(!is.na(x[row, ])), which(is.na( x[row, ])))]
  colnames(new_row) = colnames(x)
  x[row, ] = new_row
}
  return(x)  
}

变成：

df2 =pd.DataFrame({'a':[3,4,3],'b':[3,np.nan,5],'c':[np.nan, np.nan,5]})
df2
Out[157]: 
   a    b    c
0  3  3.0  NaN
1  4  NaN  NaN
2  3  5.0  5.0

到目前为止，我已经：

def Shft_Rw(x):
    for row in np.arange(0,x.shape[0]):
        new_row = x.iloc[row,[np.where(pd.notnull(x.iloc[row])),np.where(pd.isnull(df.iloc[row]))]]

但是投掷错误。使用上面的示例df，我可以使用iloc和它为null/不为null的列位置（使用where（））获得一个行索引，但不能将两者放在一起（尝试了许多带有更多括号的变体等）

是否有人能够帮助复制功能和/或展示更有效的解决问题的方法

谢谢

用于：

如果性能很重要，我建议使用以下完美选项：

---

像“2”和“3”这样的行应该发生什么？预期输出是“2 NaN 3”还是“3 2 NaN”？出于分析的特定目的，我将使用最后的实际结果进行正向填充，或进行简单的线性插值，即（2，2，3）或（2，2.5，3）。更进一步地说，如果原始行是（NA，NA，2，NA，3），我希望将其转换为：（2，2，3，NA，NA）我还没有在我的数据集中看到任何这样的实例，但这是一个很好的问题，因为我确信会出现这样的实例。太棒了！这起作用了——只需做一个临时步骤。显然，使用groupby会将nan的值更改为0，所以在解决方案之前只需执行.replace（0，np.nan）。谢谢@你好，伙计，不客气！感谢您接受1您也可以向上投票-单击接受标记上方的小三角形

0

。谢谢。转念一想，可能是.aggregate（np.sum）转换了nan的值s@HowdyDude我认为可以使用

.sum（minu count=1）

代替

.aggregate（np.sum）

，chek

def Shft_Rw(x):
    for row in np.arange(0,x.shape[0]):
        new_row = x.iloc[row,[np.where(pd.notnull(x.iloc[row])),np.where(pd.isnull(df.iloc[row]))]]

df.iloc[1]
Out[170]: 
a    NaN
b    NaN
c    4.0

np.where(pd.isnull(df.iloc[1]))
In[167] :  np.where(pd.isnull(df.iloc[1]))
Out[167]: (array([0, 1], dtype=int64),)

df.iloc[1,np.where(pd.notnull(df.iloc[1]))]

df1 = df.apply(lambda x: pd.Series(x.dropna().values), axis=1)
df1.columns = df.columns
print (df1)
     a    b    c
0  3.0  3.0  NaN
1  4.0  NaN  NaN
2  3.0  5.0  5.0

arr = justify(df.values, invalid_val=np.nan, axis=1, side='left')
df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df1)
     a    b    c
0  3.0  3.0  NaN
1  4.0  NaN  NaN
2  3.0  5.0  5.0